买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮阴工学院

摘要：一种融合多尺度特征图的织物表面瑕疵检测方法,包括如下操作步骤：对Yolov8目标检测算法进行改进，使用改进的ECA‑C2f模块，替换原主干网络中第2、4、6、8层预设的C2f模块；使用改进的GA‑SPPF模块，替换原主干网络中的空间金字塔池化结构；在颈部Neck中，使用自定义聚焦分散模块Focusonthedispersionmodule,FDM，来聚合不同尺度的特征图；改进后的目标检测算法定义为EGA‑FDM‑Yolov8。利用公开数据集训练并确定模型参数，最终得到改进Yolov8算法的织物瑕疵智能检测装置。本发明在不增加参数量的前提下，保证检测速率的同时，提高了Yolov8算法的准确率；在织物瑕疵检测中，瑕疵识别平均准确率提高了15%，更准确地检测出具有极端宽高比的细长瑕疵，以及与背景颜色极其相近的污渍瑕疵。

主权项：1.一种融合多尺度特征图的织物表面瑕疵检测方法,其特征在于：包括如下操作步骤：步骤一：对Yolov8目标检测算法进行优化，搭建并改进Yolov8模型，得到织物表面瑕疵检测模型；具体操作步骤包括：步骤1.1：在Yolov8主干网络的第2、4、6、8层的C2f模块中集成ECA注意力机制，生成ECA-C2f模块；具体操作为：ECA-C2f模块首先将输入张量x通过第一个卷积层Conv1，并按通道维度切分为两个张量，对切分后的第二个张量进行n次ECA循环，每次循环使用模块列表中的一个模块；再将经过ECA循环后的所有张量沿着通道维度拼接；最后通过第二个卷积层Conv2进行最终的特征映射；步骤1.2：在Yolov8主干网络的第9层采用GA-SPPF模块，对传统的空间金字塔池化结构SPPF进行了增强；具体操作为：GA-SPPF模块首先将输入张量x通过一个GhostConv，然后通过2个并行的MaxPool得到y1，y2，再对并行后的结果进行AvgPool得到z；最后将x，y1，y2，z沿着通道维度拼接起来，并将拼接后的结果通过第二个卷积层GhostConv进行特征映射，最终返回输出结果；步骤1.3：在原颈部网络中增加一个聚焦分散模块Focusonthedispersionmodule,FDM用来获取多尺度的特征图；具体内容为:使用GhostConv卷积，将主干网络第三，第四，第五卷积生成的特征图聚合并连接到一起，能够让每个尺度特征都具有详细的上下文信息，有利于瑕疵检测，然后使用并行卷积将得到的结果特征相加，用来捕获丰富的跨尺度信息；步骤二：获取公开的样本数据集，将json文件转换为Yolo训练格式，并按照比例将将数据集划分为训练集、验证集与测试集；步骤三：通过调试得到模型最佳参数，使用ECA-C2f模块，GA-SPPF模块，FDM模块改进的Yolov8定义为EGA-FDM-Yolov8；具体内容为：织物表面瑕疵检测模型的主干网络依次为第一卷积模块，第二卷积模块，第一ECA-C2f模块，第三卷积模块，第二ECA-C2f模块，第四卷积模块，第三ECA-C2f模块，第五卷积模块，第四ECA-C2f模块，GA-SPPF模块；将步骤二得到的训练集输入至通过改进的EGA-FDM-Yolov8器件得到织物表面瑕疵检测模型中进行训练，在验证集上，保存平均准确率最高的模型，并将其权重文件命名为best.pt；步骤四：利用训练好的织物表面瑕疵目标检测模型对待检测图像进行检测，最终增强模型的检测精度和泛化能力以及鲁棒性能。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种融合多尺度特征图的织物表面瑕疵检测方法